Podsumowanie

Wykorzystane biblioteki:

library(knitr)
library(shiny)
library(plotly)
## Warning: package 'plotly' was built under R version 3.4.3
library(ggplot2)
library(dplyr)
library(caret)
library(pROC)
## Warning: package 'pROC' was built under R version 3.4.3

Wczytanie danych

Liczba wierszy i kolumn wczytanego zbioru danych:

elektrownie <- as.data.frame(read.csv("elektrownie.csv"));
## [1] 235790     51

Przetwarzanie brakujących danych

Zastąpienie zerowych wartości średnią danego atrybutu. Tą metodę zastosowałam m. in. w praypadku atrybutu: ciśnienie, odległość, azymut, wysokość.

Rozmiar zbioru i podstawowe statystyki

Zmiana nazw kolumn oraz wyświetlenie liczby wierszy i nazwy atrybutów.

Szczegółowa analiza wartości atrybutów

Korelacje między zmiennymi

kor1 <- plot_ly(elektrownie_wykr, x = ~data, y= elektrownie_wykr$azimuth, name = 'azimuth', type = 'scatter', mode = 'markers') %>%
  add_trace(y = ~elektrownie_wykr$kwh, name = 'energia', mode = 'markers') %>%
  layout(title = 'Azymut - energia ',
         xaxis = list(title = 'Energia',
                      zeroline = TRUE),
         yaxis = list(title = 'Azymut'));
kor1;
kor2 <- plot_ly(elektrownie_wykr, x = ~data, y= elektrownie_wykr$tempi, name = 'temp', type = 'scatter', mode = 'markers') %>%
  add_trace(y = ~elektrownie_wykr$kwh, name = 'energia', mode = 'markers')%>%
  layout(title = 'Temperatura - energia ',
         xaxis = list(title = 'Energia',
                      zeroline = TRUE),
         yaxis = list(title = 'Temperatura'));
kor2;
kor3 <- plot_ly(elektrownie_wykr, x = ~data, y= elektrownie_wykr$pressure, name = 'pressure', type = 'scatter', mode = 'markers') %>%
  add_trace(y = ~elektrownie_wykr$kwh, name = 'energia', mode = 'markers')%>%
  layout(title = 'Cisnienie - energia',
         xaxis = list(title = 'Energia',
                      zeroline = TRUE),
         yaxis = list(title = 'Ciesnienie'));
kor3;

Wykres zmiany wytwarzanej energii w czasie i przestrzeni

p_glowny <- plot_ly(elektrownie_wykr, x = ~kwh, y = ~ora, z = ~dist,
         marker = list(color = ~elektrownie_wykr$azimuth, colorscale = c('#FFE1A1', '#683531'), showscale = TRUE)) %>%
   add_markers() %>%
   layout(scene = list(xaxis = list(title = 'Energia'),
                      yaxis = list(title = 'Godzina'),
                      zaxis = list(title = 'Odleglosc')),
          annotations = list(
            x = 1.13,
            y = 1.05,
            text = 'Energia',
            xref = 'paper',
            yref = 'paper',
            showarrow = FALSE
          ))
p_glowny;

Regresor przewidujący wytwarzaną energię przez każdy panel w ujęciu godzinowym

W celu przeprowadzenia procesu uczenia podzieliłam zbiór danych na zbiór treningowy i testowy w proporcjach 75/25. Pierwszym eksperymentem jest uczenie na zbiorze treningowym z wykorzystaniem algorytmu procesu Gaussa oraz osobno z wykorzystaniem sieci neuronowej. Miara RMSE jest mniejsza w przypadku z wykorzystaniem sieci neuronowej.

Kolejne procesy to uczenie na podstawie większej ilości atrybutów z wykorzystaniem algorytmu procesu Gaussa. W pierwszym z tych przypadków uczenie odbywa się na podstawie temperatury, a w kolejnym - temperatury, położenia i zachmurzenia. Im więcej atrybutów jest branych pod uwagę, tym proces uczenia osiąga lepsze wyniki, jednak znacznie spada tempo uczenia (lub proces się nie kończy).

train_test <- createTimeSlices(y = elektrownie_wykr$idsito, initialWindow = .75)

myTimeControl <- trainControl(  method = "timeslice",  initialWindow = .75, fixedWindow = FALSE,  allowParallel = TRUE,  classProbs = TRUE, verboseIter = TRUE) 


trainPart <- createDataPartition(
  y = elektrownie_wykr$idsito,
  p = .75,
  list = FALSE
)

training <- head(elektrownie_wykr,1896);
testing <- tail(elektrownie_wykr, 631);

ctrl <- trainControl(
    method = "timeslice",
    initialWindow = 20,
    # liczba podziałów
    number = 2);

set.seed(23)
fit <- train(kwh ~ idsito,
              data = training,
              method = "gaussprLinear",
              trControl = ctrl);

fit;
## Gaussian Process 
## 
## 1896 samples
##    1 predictor
## 
## No pre-processing
## Resampling: Rolling Forecasting Origin Resampling (1 held-out with a fixed window) 
## Summary of sample sizes: 20, 20, 20, 20, 20, 20, ... 
## Resampling results:
## 
##   RMSE       Rsquared  MAE      
##   0.1463901  NaN       0.1463901
set.seed(23)
fitnn <- train(kwh ~ idsito,
              data = training,
              method = "neuralnet",
              trControl = ctrl);

fitnn;
## Neural Network 
## 
## 1896 samples
##    1 predictor
## 
## No pre-processing
## Resampling: Rolling Forecasting Origin Resampling (1 held-out with a fixed window) 
## Summary of sample sizes: 20, 20, 20, 20, 20, 20, ... 
## Resampling results across tuning parameters:
## 
##   layer1  RMSE           Rsquared  MAE          
##   1       0.01973458666  NaN       0.01973458666
##   3       0.01955238463  NaN       0.01955238463
##   5       0.01829729120  NaN       0.01829729120
## 
## Tuning parameter 'layer2' was held constant at a value of 0
## 
## Tuning parameter 'layer3' was held constant at a value of 0
## RMSE was used to select the optimal model using the smallest value.
## The final values used for the model were layer1 = 5, layer2 = 0 and
##  layer3 = 0.
plotnn <- ggplot(fitnn) + theme_bw() ;
renderPlot(plotnn);
renderText("Trenowanie z parametrami - idsito i temperatura")
set.seed(23)
fitTemp <- train(kwh ~ idsito + tempi,
              data = training,
              method = "gaussprLinear",
              trControl = ctrl);
fitTemp;
## Gaussian Process 
## 
## 1896 samples
##    2 predictor
## 
## No pre-processing
## Resampling: Rolling Forecasting Origin Resampling (1 held-out with a fixed window) 
## Summary of sample sizes: 20, 20, 20, 20, 20, 20, ... 
## Resampling results:
## 
##   RMSE          Rsquared  MAE         
##   0.1378573947  NaN       0.1378573947
renderText("Trenowanie z parametrami - idsito, azymut i zachmurzenie")
set.seed(23)
fitTempHum <- train(kwh ~ idsito + azimuth + cloudcover,
              data = training,
              method = "gaussprLinear",
              trControl = ctrl);
fitTempHum;
## Gaussian Process 
## 
## 1896 samples
##    3 predictor
## 
## No pre-processing
## Resampling: Rolling Forecasting Origin Resampling (1 held-out with a fixed window) 
## Summary of sample sizes: 20, 20, 20, 20, 20, 20, ... 
## Resampling results:
## 
##   RMSE           Rsquared  MAE          
##   0.08322094888  NaN       0.08322094888
renderText("Trenowanie z parametrami - idsito, irri_pvgis i irri")
set.seed(23)
fitIrri <- train(kwh ~ idsito + irri_pvgis_mod + irri,
              data = training,
              method = "gaussprLinear",
              trControl = ctrl);
fitIrri;
## Gaussian Process 
## 
## 1896 samples
##    3 predictor
## 
## No pre-processing
## Resampling: Rolling Forecasting Origin Resampling (1 held-out with a fixed window) 
## Summary of sample sizes: 20, 20, 20, 20, 20, 20, ... 
## Resampling results:
## 
##   RMSE          Rsquared  MAE         
##   0.0668492654  NaN       0.0668492654
gClasses <- predict(fitTemp, newdata = testing);
postResample(gClasses, testing$kwh);
##          RMSE      Rsquared           MAE 
## 0.01653008910 0.00312355652 0.01325692561
gClassesTest <- predict(fitTempHum, newdata = testing);
postResample(gClassesTest, testing$kwh)
##            RMSE        Rsquared             MAE 
## 0.0277250858998 0.0007023057807 0.0181855669656
gClassesTest <- predict(fitIrri, newdata = testing);
postResample(gClassesTest, testing$kwh)
##            RMSE        Rsquared             MAE 
## 0.0232193958840 0.0005295241498 0.0137302143081

Analiza ważności atrybutów najlepszego znalezionego modelu regresji: